Opis projektu
Bayesowskie sieci neuronowe pomagają uzyskać dokładniejszy obraz rynków
W ostatnim dwudziestoleciu złożoność danych finansowych gwałtownie rośnie. Stanowi to wyzwanie, jeśli chodzi o tworzenie adekwatnych i skutecznych narzędzi do analizy danych. Ekonometria wykorzystuje oszczędne modele probabilistyczne do opisywania zjawisk ekonomicznych. Choć pozwala na tworzenie modeli o dużym możliwościach interpretacyjnych i doskonałych właściwościach, nie umożliwia jednak zwiększania skali i osadzenia złożoności takich nowoczesnych danych. Z kolei uczenie maszynowe okazuje się bardzo przydatne w rozwiązywaniu szerokiej klasy wymagających wielowymiarowych problemów związanych z big data. Finansowany przez Unię Europejską projekt BNNmetrics proponuje zastosowanie klasy metod ML znanych jako bayesowskie sieci neuronowe, jako wykonalnego narzędzia do nowoczesnych badań ekonometrycznych. Pozwoli to znacznie poprawić procesy modelowania, analizę oraz wgląd w złożoność prawdziwych rynków.
Cel
The complexity and volume of financial data in modern financial markets have been exponentially growing during the last decades. Machine learning (ML) methods such as Deep learning (DL) have been widely utilized for several classification and prediction problems, given their intrinsic flexibility, appropriateness for large multidimensional problems, and ability to discover and adapt to non-linear patterns. However, the enormous number of parameters, their difficult interpretation and inability do deal with uncertainties represent DL’s main shortcomings. On the other hand, classic econometrics methods, of limited variables, great interpretability and with excellent probabilistic properties, have failed to prove appropriate for the analysis of modern high-frequency data. The application in financial econometrics of a DL sub-class of algorithms known as Bayesian neural networks (BNNs) is expected to revolutionize the process of modeling, analyzing, and understanding trading behavior in real markets. BNNs’ attractive properties have the potential of bridging the gap between classic econometrics and ML. This research will show measurable improvements over the current state of the art, both from the financial econometrics and the ML sides, in three problems defined on high-frequency financial data: volatility modeling, stock mid-price movement prediction, and interdependence analysis between stock prices.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.
- nauki społeczne ekonomia i biznes ekonomia ekonometria
- nauki przyrodnicze informatyka sztuczna inteligencja uczenie maszynowe uczenie głębokie
- nauki przyrodnicze informatyka sztuczna inteligencja inteligencja obliczeniowa
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Przepraszamy… podczas wykonywania operacji wystąpił nieoczekiwany błąd.
Wymagane uwierzytelnienie. Powodem może być wygaśnięcie sesji.
Dziękujemy za przesłanie opinii. Wkrótce otrzymasz wiadomość e-mail z potwierdzeniem zgłoszenia. W przypadku wybrania opcji otrzymywania powiadomień o statusie zgłoszenia, skontaktujemy się również gdy status ulegnie zmianie.
Słowa kluczowe
Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.
Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.
Program(-y)
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
GŁÓWNY PROGRAM
Wyświetl wszystkie projekty finansowane w ramach tego programu -
H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
Wyświetl wszystkie projekty finansowane w ramach tego programu
Temat(-y)
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
System finansowania
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)
Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania
Zaproszenie do składania wniosków
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
(odnośnik otworzy się w nowym oknie) H2020-MSCA-IF-2019
Wyświetl wszystkie projekty finansowane w ramach tego zaproszeniaKoordynator
Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.
8000 Aarhus C
Dania
Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.